我正在使用文本识别，目前我正在使用支持向量机方法。我也想尝试使用神经网络。我读了一些关于神经网络是如何工作的文件，但理论很重，我不确切知道它将如何适用于我的案例。因此，如果有人可以帮我说清楚，特别是神经网络的架构，那将是一件好事。
我还有几个一般性问题：
我是神经网络的新手，所以如果你能以一种明智的方式向我解释，那就太好了。 :)
非常感谢你。
答案 0 :(得分：1)
第1点 - 它将是200个输入神经元，其中每个神经元被输入二进制数或浮点数（最好在-1到1范围内归一化）。
第2/4点 - 大多数问题都是通过一个隐藏层解决的。当然，如果你开始使用神经网络，你应该坚持一个隐藏层。我还建议从少于200个输入神经元开始，尝试5或10.在复杂问题中使用多个隐藏层，例如，第一个隐藏层学习像狗，猫，马等宏观特征，下一个隐藏层学习更精细眼睛，鼻子，耳朵等功能。
没有明确的程序来决定隐藏神经元的数量。问题越复杂，理论上它需要的隐藏神经元就越多。如果您有10个输入神经元，请从20个隐藏神经元开始。如果它不起作用，其他地方可能出现问题。如果它确实有效，你可以减少隐藏神经元的数量直到它失败 你也可以从低位开始工作。
第3点 - 对于真假分类，使用单个输出神经元，并使用0或1训练它。对于n个类，使用n个编码中的1个。
第5点 - 没有。准确性是通过网络可以概括的程度来衡量的 - 即，它如何对数据执行前所未有的。一般来说，更多的训练数据=更准确。